你对机器学习了解多少？

最近你听到很多关于机器学习的事。但它到底是如何工作的呢？

做一个小测验-只有10个问题-看看你对机器学习了解多少！

问题01

当你有一组输入数据并且你知道可能的响应时，哪种类型的机器学习算法会做出预测？

监督学习
监督逻辑
无监督学习
深度学习

问题02

什么类型的机器学习算法在数据没有标记的情况下发现数据中的模式？

数据预言
无监督学习
监督逻辑
监督学习

问题03

你什么时候会减少数据的维度？

当数据来自传感器时
当你使用Linux机器时
当数据集大于500 GB时

当您拥有一大组具有类似特征的功能时

问题04

分类模型的作用是什么？

预测实数响应，如温度、日期或时间的变化

将数据分配给预定义的类别

基于相似性将响应分组，以查找模式
将预测的数据分类与数据中的实际类标签进行比较

问题05

这些分类算法中哪一种最容易用于预测？

天真的贝耶斯

神经网络

逻辑回归
袋装决策树

问题06

超参数调整是做什么的？

优化参数以提高学习算法的性能
指定表示线性分类器的超平面
扩展模型的参数集以提高性能
进行参数调整，使性能下降

问题07

哪种特征选择技术使用收缩估计来去除数据中的冗余特征？

逐步回归
顺序特征选择
邻域成分分析
正则化

问题08

什么是主成分分析？

一种特征选择技术，它添加或删除特征以优化预测精度
一种降低数据维数的线性特征变换技术
一种将数据划分成互斥簇的聚类技术
识别一组更好的参数的预测技术
过度装配

问题09

什么东西太合适了？

当一个预测模型是准确的，但运行时间太长
当模型学习到不能推广到更大数据集的训练数据的细节时
当你将一个强大的深度学习算法应用于一个简单的机器学习问题时
当您执行超参数调整和性能下降时

问题10

什么样的表将模型预测的分类与实际的类标签进行比较？

混沌表
混淆矩阵
预测图
残差图